JP2002023777A - 音声合成システム、音声合成方法、サーバ、記憶媒体、プログラム伝送装置、音声合成データ記憶媒体、音声出力機器 - Google Patents

Abstract

(57)【要約】 【課題】 顧客の好みに応じた音声合成メッセージを提
供する音声合成システム、音声合成方法、サーバ、記憶
媒体、プログラム伝送装置、音声合成データ記憶媒体、
音声出力機器を提供する。 【解決手段】 サービス提供者１は、ネットワーク５を
介してなされた顧客３のオーダに応じ、顧客３が選択し
たスピーカの音声特徴データと、顧客３が入力した文章
とに基づく音声合成データを生成した後、顧客３に受け
渡す構成とした。このとき、顧客３のオーダに対して取
引番号が付与され、取引番号が顧客３から提示されたと
きに、生成した音声合成データを顧客３に受け渡すよう
にする。顧客３は、受け取った音声合成データを機器１
００に入力し、オーダした音声を出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、特定キャラクタの
音声を合成して生成する音声合成データを、ネットワー
クを介して取引することを可能とする音声合成システ
ム、音声合成方法、サーバ、記憶媒体、プログラム伝送
装置、音声合成データ記憶媒体、音声出力機器に関す
る。

【０００２】

【従来の技術】従来より、歌手、政治家等の有名人、テ
レビ番組や映画の登場人物等、特定キャラクタの音声
を、玩具、目覚し時計、携帯型電話端末等、種々の機器
に組み込んだ製品が提供されている。このような製品で
は、所定の操作を行ったときに、特定キャラクタの音声
によるメッセージが出力され、これにより製品の付加価
値が高められている。

【０００３】

【発明が解決しようとする課題】しかしながら、従来
は、機器メーカ側で、特定キャラクタの音声による、予
め決められた文章の音声データを機器に収めているに過
ぎず、購入者(顧客)の好みでメッセージの文章を設定す
ることはできなかった。

【０００４】また、近年の音声合成技術の進歩により、
特定キャラクタの音声の声質・韻律等の特徴をデータ化
し、そのデータから、入力した文章に基づいて、特定キ
ャラクタの音声に酷似した音声合成メッセージを生成す
ることが可能となっている。このような技術を機器メー
カ側で用いる場合には、特定キャラクタに対して著作権
料の支払を契約によって明確にすることができるので特
に問題はない。しかし、上記したような技術を、例えば
ソフトウェアの形態でユーザ(購入者)に提供(販売)する
と、ユーザ側において音声合成メッセージを自由に生成
することが可能となり、このような場合には、特定キャ
ラクタに対する著作権料の支払が不明確になるという側
面もある。

【０００５】本発明は、このような技術的課題に基づい
て、顧客の好みに応じた音声合成メッセージを提供する
音声合成システム、音声合成方法、サーバ、記憶媒体、
プログラム伝送装置、音声合成データ記憶媒体、音声出
力機器を提供することを主たる目的とする。また、他の
目的は、特定キャラクタの音声を用いる場合、著作権料
を確実に支払い、特定キャラクタの権利を保護すること
にある。

【０００６】

【課題を解決するための手段】かかる目的のもと、本発
明の音声合成システムは、顧客に対し選択可能に提示さ
れた話者の中から特定の話者を選択するとともに、音声
合成すべき文章を指定する顧客の端末と、顧客が指定し
た音声合成すべき文章を、特定の話者の音声特徴データ
を用いて音声合成するサービス提供者のサーバと、を含
むことを特徴としている。このような構成により、顧客
は、歌手、政治家等の有名人、テレビ番組や映画の登場
人物等、自分の希望する話者の音声による自由なメッセ
ージや歌等の音声合成データをオーダして入手すること
ができる。そして入手した音声合成データにより、例え
ば目覚し時計の目覚しアラーム、携帯型電話端末の呼び
出し音(メッセージ)や留守応答メッセージ、カーナビゲ
ーション装置におけるガイダンスメッセージ等を自分の
好みに応じて設定することが可能となるのである。

【０００７】更に、サービス提供者のサーバは、顧客に
対し取引番号を付与し、顧客の端末から取引番号が提示
されたときに、生成した音声合成データを受け渡すこと
を特徴とすれば、オーダした顧客のみに音声合成データ
を受け渡すことができる。つまり、生成した音声合成デ
ータは、顧客以外の手に渡ることのない唯一無二のもの
となるのである。

【０００８】本発明の音声合成方法は、サービス提供者
が、複数の話者のリストをネットワークを介して外部に
提示し、顧客は、提示されたリストから選択した話者と
音声合成すべき文章とをサービス提供者に伝え、サービ
ス提供者は、顧客の選択した話者の音声特徴データに基
づき、音声合成すべき文章を音声合成することを特徴と
する。このようにして、サービス提供者は、インターネ
ット等のネットワークを介して音声合成の受注を行うこ
とができる。ところで、ここでいう「外部」とは、ネッ
トワークを介してサービス提供者が話者のリストを提示
できる対象を示すものである。インターネットのホーム
ページにおいては、不特定多数の者がアクセスすること
が可能であり、これらのものを「外部」と称したのであ
る。ただし、アクセスした者が必ずしも音声合成データ
をオーダするとは限らず、「外部」が必ずしも「顧客」
なるとは限らない。

【０００９】また、サービス提供者のサーバは、顧客に
対し、生成する音声合成データについて課金し、サービ
ス提供者は、顧客側から課金した代金を受け取った後に
音声合成データを顧客に受け渡すようにしてもよい。こ
こでいう「顧客側」とは、顧客本人、あるいは顧客本人
が契約している金融機関を指している。

【００１０】さらに、サービス提供者は、当該サービス
提供者が保有する音声特徴データの権利を有する者、つ
まり歌手、政治家等の有名人、テレビ番組や映画の登場
人物等、特定キャラクタの音声の音源についての著作権
の権利者(本人や管理者等)に対し、音声合成データの生
成に応じた代金を支払うことにより、権利者に対するロ
イヤリティ等、権利に対する対価の支払を確実に行うこ
とができる。

【００１１】加えて、顧客は、サービス提供者から受け
渡された音声合成データを機器に入力することにより、
この機器において、オーダした音声合成データに基づく
音声を出力することが可能となる。

【００１２】これとは他に、サービス提供者は、顧客の
選択に基づく音声合成データを生成するとともに、生成
した音声合成データを顧客が選択した機器に入力しても
よい。このようにして、サービス提供者から顧客に対
し、オーダに応じた音声合成データが入力された機器を
顧客に受け渡すようにしても良い。

【００１３】本発明は、話者の音声を分析して得られた
音声特徴データを格納する音声特徴データ格納部と、ネ
ットワークを介して、顧客が選択した話者および顧客が
入力した文章等、顧客からの要求を受け付ける要求受付
部と、顧客からの要求に応じ音声特徴データに基づいて
音声合成する音声合成データ生成部と、を備えることを
特徴とするサーバとして捉えることもできる。

【００１４】また、音声特徴データ格納部は、音声特徴
データとして、話者毎の声質データと韻律データとを格
納することを特徴とする。

【００１５】さらに、顧客によってなされた要求に基づ
き、生成する音声合成データの価格を設定する価格設定
部を備えても良い。

【００１６】本発明は、外部から音声合成データを生成
するための要求を受け付ける処理と、前記要求に対して
取引番号を生成して出力する処理と、取引番号が入力さ
れたときに、要求に応じて生成した音声合成データを出
力する処理とをコンピュータに実行させるプログラムを
記憶したことを特徴とする記憶媒体として捉えることも
できる。さらに、前記プログラムは、生成した音声合成
データに、音声合成データの内容を証明する認証データ
を添付することにより、生成された音声合成データの不
法作成や不法コピー等を防止することができる。このと
きに添付する認証データは、電子透かし等、いかなる形
態のものであっても良い。また証明する内容としては、
例えば音声合成データの出所や、音声の音源についての
権利者の正式の許可を得ていること等がある。

【００１７】また、本発明のプログラムは、音声合成す
べき文章と話者の指定とを含む外部からの要求を受け付
ける処理と、受け付けた要求に応じ、話者に対応した音
声特徴データに基づいて文章を音声合成する処理と、を
コンピュータに実行させることを特徴とすることもでき
る。

【００１８】本発明は、コンピュータに実行させるプロ
グラムが記憶された記憶手段と、記憶手段から読み出し
たプログラムをコンピュータに送信する送信手段とを備
え、前記プログラムは、複数の音声データのリストを顧
客に対して出力する処理と、顧客がリストから選択した
音声特徴データに基づいて顧客が入力した文章を音声合
成した音声合成データを、顧客に出力する処理をコンピ
ュータに実行させることを特徴とするプログラム伝送装
置とすることもできる。

【００１９】また、本発明を、サービス提供者が顧客の
指定に応じて生成した音声合成データが格納されている
ことを特徴とする音声合成データ記憶媒体として捉える
こともできる。ここで、音声合成データ記憶媒体として
は、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ、メ
モリ、ハードディスク等の各種記憶媒体がある。そし
て、このような音声合成データ記憶媒体に格納した音声
合成データは、コンピュータや携帯型電話端末、カーナ
ビゲーション装置等の様々な機器に転送し、この機器で
前記音声合成データに基づく音声を出力すれば良い。ま
た、音声合成データ記憶媒体として、可搬性のあるメモ
リを用いれば、サービス提供者から顧客に対して音声合
成データを受け渡す際にも本発明を適用できる。

【００２０】さらに、本発明は、指定された話者および
文章に基づいてサービス提供者が生成した音声合成デー
タを記憶する記憶部と、当該記憶部で記憶した音声合成
データに基づく音声を出力する音声出力部と、を備える
ことを特徴とする音声出力機器とすることもできる。こ
のような音声出力機器としては、生成した音声合成デー
タを組み込んだ(入力した)、玩具、目覚し時計、携帯型
電話端末、カーナビゲーション装置、メモリープレーヤ
等の音声再生機器等がある。

【００２１】

【発明の実施の形態】以下、添付図面に示す実施の形態
に基づいてこの発明を詳細に説明する。図１は、本実施
の形態におけるシステム構成を説明するための図であ
る。この図において、符号１は、音声合成データを提供
するサービス提供者であり、本実施の形態におけるシス
テムのウェブサーバとして機能している。符号２は歌
手、政治家等の有名人、テレビ番組や映画の登場人物等
の、特定キャラクタの音源の権利(著作権等)を所有ある
いは管理する権利者であり、サービス提供者１との間
で、音声データの使用許諾、および音声データの使用に
応じたロイヤリティの支払条件等に関し、所定の契約を
結んでいる。符号３は音声合成データを購入したいと欲
する購入者である顧客(外部、顧客側)、符号４はサービ
ス提供者１と提携している金融機関(顧客側)であり、例
えばクレジットカード会社やデビットカード(Debit Car
d)等の即時決済サービスを行っている銀行等である。ま
た符号５はインターネット等のネットワークであり、こ
のネットワーク５には、ウェブサーバとしてのサービス
提供者１、ウェブ端末である顧客３がそれぞれ接続され
ている。

【００２２】顧客３のウェブ端末は、例えば、ウェブブ
ラウザ等のソフトウェアを備えたＰＣであり、サービス
提供者１のホームページの閲覧や、送られてくる各種情
報等をディスプレイ上で表示することができ、また送ら
れてくる画面において、各種情報や金額等を入力できる
ポインティングデバイスやキーボード等の入力手段を備
えている。

【００２３】また、金融機関４は、サービス提供者１
と、ネットワーク５あるいは他のネットワーク等を介し
て接続されており、双方間で情報の送受を行うことがで
きるようになっている。またこの金融機関４は、顧客３
との間で所定の契約を結んでいるものとする。

【００２４】さて、本実施の形態におけるサービス提供
者１は、顧客３のオーダに応じ、顧客３の指定した特定
キャラクタ(以下、スピーカと称する)の音声で、顧客３
の希望する文章を出力(発声)させるための音声合成デー
タを提供する。

【００２５】図２は、ウェブサーバであるサービス提供
者１のサーバ構成を示すブロック図である。図２におい
て、ネットワーク５に対する送受部として例えば用いら
れるＨＴＴＰサーバ１１は、ネットワーク５を介して外
部のウェブ端末とデータの送受信を行っている。このサ
ーバは、大きく分けると、顧客情報に関する処理を行う
顧客情報処理ブロック２０、顧客３からのオーダ、支
払、顧客３に対してのデリバリ(受け渡し)等の処理を行
うオーダ／支払／デリバリ処理ブロック３０、権利者２
との間でのロイヤリティ契約に基づく処理を行うロイヤ
リティ処理ブロック４０、音声合成データ生成を行うた
めのコンテンツを処理するコンテンツ処理ブロック５
０、顧客３からのオーダを受けて音声合成データを生成
する音声合成データ生成ブロック６０から構成されてい
る。また、このサーバは、顧客３との取引によって生じ
る金銭の授受処理を行うため、支払ゲートウェイ７０、
ロイヤリティゲートウェイ７５を備えており、この支払
ゲートウェイ７０、ロイヤリティゲートウェイ７５を介
して、このサーバは、サービス提供者１がサーバ外に設
けたロイヤリティ支払システム８０とクレジットカード
システム９０等とに接続されている。また、このサーバ
は、画面データ生成部１３を備えており、この画面デー
タ生成部１３は、顧客３が入力したデータを受け、デー
タの種類に応じて各データをサーバ各部に割り振る。ま
たサーバ各部から受領したデータ等を基に、画面データ
を生成することができる。

【００２６】顧客情報処理ブロック２０は、顧客情報処
理(Customer Management)部２１、顧客情報ＤＢ(データ
ベース)２２を備えており、顧客情報処理部２１は、顧
客３から得た、顧客名、住所、ｅ−メールアドレス等の
情報を顧客情報ＤＢ２２に格納し、必要に応じて格納し
た情報を顧客情報ＤＢ２２から取り出す。

【００２７】オーダ／支払／デリバリ処理ブロック３０
は、オーダ処理部(要求受付部)３１、支払処理部(価格
設定部)３２、デリバリ処理部３３、オーダ／支払／デ
リバリＤＢ３４、デリバリサーバ３５を備える。

【００２８】オーダ処理部３１は、顧客３からのオーダ
内容をオーダ／支払／デリバリＤＢ３４に格納するとと
もに、そのオーダ内容に基づく音声合成データを生成す
るための指令をコンテンツ処理ブロック５０に出す。

【００２９】支払処理部３２は、オーダ／支払／デリバ
リＤＢ３４に予め格納されている価格データに基づき、
顧客３からのオーダ内容に応じた価格を算出して出力
し、また顧客３から得たクレジットカード情報等、支払
に関する情報をオーダ／支払／デリバリＤＢ３４に格納
する。またこの支払処理部３２では、支払ゲートウェイ
７０およびサーバ外部のクレジットカードシステム９０
を介して、金融機関４との間で、顧客３から得たクレジ
ットカード情報の照合、金融機関４に対する代金支払請
求、金融機関４からの入金確認処理等を行う。

【００３０】デリバリ処理部３３は、顧客３から受けた
オーダによって生成する音声合成データがデリバリ可能
となるまでのスケジュールの管理および出力、顧客３が
オーダした音声合成データを受け取るためのＵＲＬ(Uni
form Resource Locators)等の出力、顧客３からのオー
ダに対しての取引番号の生成および出力等を行う。そし
て、デリバリ処理部３３で顧客３に対して出力した情報
を、必要に応じてオーダ／支払／デリバリＤＢ３４に格
納する。

【００３１】ロイヤリティ処理ブロック４０は、ロイヤ
リティ処理部４１とロイヤリティ契約ＤＢ４２とを備え
る。ロイヤリティ契約ＤＢ４２には、権利者２との間で
のロイヤリティ契約等のデータが格納されており、ロイ
ヤリティ処理部４１には、このデータに基づき、顧客３
からのオーダに応じたロイヤリティの計算、ロイヤリテ
ィゲートウェイ７５およびロイヤリティ支払システム８
０を介しての権利者２に対するロイヤリティの支払処理
を行う。

【００３２】コンテンツ処理ブロック５０は、コンテン
ツ処理部(音声合成データ生成部)５１とコンテンツＤＢ
５２とから構成され、コンテンツ処理部５１は、オーダ
処理部３１から転送されたオーダ内容情報、指定された
スピーカ、指定された文章等をコンテンツＤＢ５２に格
納するとともに、後述する音声合成データ生成ブロック
６０で生成された音声合成データを出力する処理を行
う。また、コンテンツＤＢ５２には、登録されているス
ピーカ(音声)のリスト、およびその一部ないし全部の音
声サンプルデータが格納されており、コンテンツ処理部
５１では、顧客３からの要求に応じ、指定された音声サ
ンプルデータを出力できるようになっている。

【００３３】音声合成データ生成ブロック６０は、音声
合成処理部(音声合成データ生成部)６１、音声特徴ＤＢ
(音声特徴データ格納部)６２を備えて構成される。音声
特徴ＤＢ６２には、予め登録されたスピーカの音声デー
タ(音声特徴データ)が格納されている。この音声データ
は、登録されたスピーカ一人一人について、そのスピー
カの声の声質をデータ化した声質データＤ１と、そのス
ピーカが話すときの韻律をデータ化した韻律データＤ２
からなり、これら声質データＤ１、韻律データＤ２が、
登録されたスピーカ毎に分類されて音声特徴ＤＢ６２に
格納されているのである。

【００３４】図３に示すように、音声特徴ＤＢ６２に格
納されている音声データを得るには、まず、スピーカが
直接録音したもの、あるいはテレビ番組や映画等を録画
したもの、歌等を録音したもの等をデータ化し、音源デ
ータとして保持する。そしてその音源データを解析し、
そのスピーカの音声の特徴、つまりスピーカの音声の声
質とスピーカが話すときの韻律とを抽出し、それぞれ声
質データＤ１、韻律データＤ２としてデータ化するので
ある。

【００３５】図２に示したように、音声合成処理部６１
は、文章の分析処理を行うテキストマイニングエンジン
６３、音声合成データを生成するシンセサイズエンジン
６４、生成した音声合成データに電子透かし等の認証(W
ater Mark)を埋め込むウォータマークエンジン６５、音
声合成データをファイル形式に変換するファイルフォー
マットエンジン６６を備えて構成されている。

【００３６】このような音声合成処理部６１において、
音声合成データを生成するには、コンテンツＤＢ５２か
ら、顧客３からのオーダにおいて指定されたスピーカを
示すデータを引き出す。また、音声特徴ＤＢ６２から
は、このスピーカの音声データ(声質データＤ１と韻律
データＤ２)を引き出し、さらに、コンテンツＤＢ５２
から、顧客３からのオーダにおいて指定された文章を引
き出す。そしてまず、図３に示したように、顧客３の入
力した文章を、テキストマイニングエンジン６３に備え
た文法ＤＢ６７に格納された文法等に基づいて分析する
(ステップＳ１)。次いで、シンセサイズエンジン６４
で、その分析結果と韻律データＤ２とに基づいて、入力
された文章に応じた韻律制御を行い(ステップＳ２)、ス
ピーカの韻律を反映させる。続いて、スピーカの韻律を
反映させたデータに、スピーカの声質データＤ１を組み
合わせて生成した音声波形により、所定の音声合成デー
タを得る(ステップＳ３)。ここで、所定の音声合成デー
タとは、言うまでもなく、顧客３からのオーダによって
指定されたスピーカの音声で、指定された文章内容を出
力(発声)するための音声データである。

【００３７】次に、ウォータマークエンジン６５におい
て、生成された音声合成データが、正式に認証されてい
るもの、つまり音源権利者の許諾を得ていることを証明
する電子透かし(認証データ)を、音声合成データに埋め
込む(ステップＳ４)。しかる後、ファイルフォーマット
エンジン６６で、生成された音声合成データを、所定の
ファイル形式、例えばＷＡＶ形式等のサウンドファイル
に変換し、さらに、この音声合成データが、顧客３から
オーダされたものであることを示すファイル名等を付与
する。

【００３８】このようにして音声合成処理部６１で生成
された音声合成データは、音声合成処理部６１から出力
され(ステップＳ５)、顧客３がこれをダウンロードする
まで、コンテンツＤＢ５２に格納される。このときに
は、生成された音声合成データと、顧客３がオーダ時に
付与された取引番号とが、関連付けされてコンテンツＤ
Ｂ５２に格納される。

【００３９】ところで、上記のように、実際の音声から
声質データＤ１、韻律データＤ２を抽出する技術、声質
データＤ１、韻律データＤ２から希望の文章を話す音声
合成データを生成する技術、としては、既に様々なもの
が提案あるいは実用化されているので、それらの技術を
適宜用いれば良く、ここではより具体的に限定する意図
はない。ここで、このような技術の一例を挙げれば、例
えば特開平９−９０９７０号公報に開示された技術があ
り、ここに開示された技術を適用すれば、上記の如く特
定スピーカの音声合成を行うことができる。しかし、前
記公報に開示された技術は、あくまでもその一例に過ぎ
ず、適宜他の技術を用いることも可能である。

【００４０】さて、上記したようなシステムにおいて、
顧客３が希望の音声合成データを購入する方法を、図４
〜図６を参照しつつ説明する。 〔オーダセッション〕図４では、サービス提供者１と顧
客３との間でのやり取りを示している。この図４に示す
ように、まず、顧客３は、ウェブ端末からインターネッ
ト等のネットワーク５を介し、サービス提供者１のウェ
ブサーバにアクセスする(ステップＳ１１)。するとサー
ビス提供者１のオーダ処理部３１側から顧客３に対し
て、スピーカ選択要求がなされる(ステップＳ２１)。こ
のときには、顧客３のウェブ端末のディスプレイ上に、
サービス提供者１のコンテンツＤＢ５２に登録されてい
るスピーカのリストが表示される。このリストには、ス
ピーカの名称が、ジャンル別、アルファベット順、あい
うえお順等で表示され、さらに各スピーカの名称ととも
に、スピーカの顔の画像やアニメーションを表示しても
良い。顧客３はこのリストから希望のスピーカ(特定の
話者、音源)を選択し、ディスプレイ上に表示されたボ
タン等でこれを入力する(ステップＳ１２)。また、スピ
ーカの選択にあたっては、顧客３が選択したスピーカの
音声サンプルデータを、コンテンツＤＢ５２からダウン
ロードすることもできる。顧客３は、必要に応じ音声サ
ンプルデータをダウンロードして音声サンプルを試聴
し、最終的に選択するスピーカを決定する。

【００４１】スピーカの選択が行われると、サービス提
供者１のオーダ処理部３１から顧客３に対し、文章入力
要求が行われる(ステップＳ２２)。顧客３は、ディスプ
レイ上に表示される入力欄に、希望する文章をキーボー
ド等の入力手段で入力する(ステップＳ１３)。

【００４２】すると、サービス提供者１のオーダ処理部
３１側では、テキストマイニングエンジン６３において
入力された文章を分析し、文章のリーガルチェックを行
うとともに、文章を構成する文字数あるいは単語数をカ
ウントする。さらに、ロイヤリティ契約ＤＢ４２に、ス
テップＳ１２で選択されたスピーカのロイヤリティを含
んだベース価格を参照する。そして、支払処理部３２
が、前記文字数あるいは単語数のカウント値と、選択さ
れたスピーカとに応じたベース価格とから、顧客３のオ
ーダ内容に応じた価格を算出する。しかる後、オーダ処
理部３１では、顧客３からのオーダ内容、つまり選択し
たスピーカの名称、入力した文章を表示するとともに、
オーダ内容に応じた価格を表示し、顧客３に対してオー
ダ内容の確認を要求する(ステップＳ２３)。顧客３は、
サービス提供者１側から表示されたオーダ内容を確認
し、ディスプレイ上に表示されたボタン等で、確認の意
思表示を入力する(ステップＳ１４)。

【００４３】次に、サービス提供者１のオーダ処理部３
１は、顧客３に対し、顧客情報の入力を要求する(ステ
ップＳ２４)。顧客３は、自分の氏名、住所、ｅ−メー
ルアドレス等を必要に応じて入力する(ステップＳ１
５)。するとサービス提供者１側では、顧客情報処理部
２１で、入力された顧客３の情報を顧客情報ＤＢ２２に
格納する。

【００４４】続いて、サービス提供者１のオーダ処理部
３１から顧客３に対し、支払情報の入力が要求されるの
で(ステップＳ２５)、顧客３は、クレジットカードの種
類、クレジットカード番号等を入力する(ステップＳ１
６)。このとき、例えばデビットカード等の即時決済シ
ステムが利用可能であれば、支払情報として、銀行のキ
ャッシュカードの番号と、暗証番号とを入力するように
しても良い。なお、上記ステップＳ１５、Ｓ１６におい
て、顧客３が予めサービス提供者１にメンバー登録をし
ているのであれば、ステップＳ１１のアクセス(ログイ
ン)時、あるいはステップＳ１６において、メンバーＩ
Ｄやパスワードを入力することにより、上記ステップＳ
１６の顧客情報入力およびステップＳ１７の支払情報の
入力を省略することも可能である。

【００４５】顧客３から支払情報を受けたサービス提供
者１側は、支払処理部３２において、支払ゲートウェイ
７０およびクレジットカードシステム９０を介し、金融
機関４に対して顧客３の支払情報を照会する(ステップ
Ｓ２６)。これを受けた金融機関４側では、顧客３の支
払情報を確認し、サービス提供者１側に対し確認(承認)
の可否を回答する(ステップＳ３０)。金融機関４から確
認が得られた後、支払処理部３２では顧客３の支払情報
をオーダ／支払／デリバリＤＢ３４に格納する。

【００４６】次いで、サービス提供者１のオーダ処理部
３１から顧客３に対し、オーダの最終確認を要求し(ス
テップＳ２７)、顧客３は、オーダの最終確認を行う(ス
テップＳ１７)。

【００４７】顧客３からの最終確認が得られると、サー
ビス提供者１のオーダ処理部３１においてオーダを受け
付け(ステップＳ２８)、そのオーダ内容をコンテンツ処
理部５１に送る。これとともに、デリバリ処理部３３
で、顧客３からの当該オーダに対する取引番号(Transac
tion ID)を生成する。この取引番号は、顧客３からのオ
ーダ一つ一つに対して個別に生成されるものである。そ
して、オーダ処理部３１では、デリバリ処理部３３で生
成された取引番号とともに、後に顧客３が音声合成デー
タをダウンロードするためのサイトのＵＲＬ、音声合成
データが完成してデリバリ可能となるスケジュール(完
成予定期日)を顧客３に対し出力する(ステップＳ２
９)。また、ＨＴＴＰサーバ１１から、顧客３に対し、
完成した音声合成データのダウンロード方法を転送す
る。顧客３は、これを受け取ることにより、オーダセッ
ションが終了する。

【００４８】上記の如くして顧客３からのオーダを受け
たサービス提供者１側では、オーダ内容に基づき、前記
したような手順で音声合成データを生成する。その一
方、サービス提供者１側では、金融機関４に対し、顧客
３のオーダに応じた代金の決済を要求する。その要求
は、顧客３からのオーダを受け付けた後であれば、音声
合成データの生成前、生成中、生成後、音声合成データ
の顧客３へのデリバリ後、のいずれであっても良いが、
一例を挙げれば図５に示すような処理となる。この図５
に示すように、サービス提供者１側では、顧客３とのオ
ーダセッションの終了後、支払処理部３２において、支
払ゲートウェイ７０およびクレジットカードシステム９
０を介して、金融機関４に対し顧客３のオーダに応じた
代金の決済を要求する(ステップＳ４１)。金融機関４で
は、この要求に応じ、サービス提供者１に対し代金の支
払を行う(ステップＳ５０)。サービス提供者１側におい
て、金融機関４からの代金支払を確認した時点で、音声
合成データの作成に着手する(ステップＳ４２)。そし
て、音声合成データの生成が完了した時点で、生成した
音声合成データを、コンテンツＤＢ５２に格納(保管)す
る(ステップＳ４３)。

【００４９】〔ダウンロードセッション〕前記オーダセ
ッションのステップＳ２９においてサービス提供者１側
から告知された完成予定期日以降、顧客３がオーダした
音声合成データを受け取るには、図６に示す流れを経
る。この図６に示すように、顧客３が、サービス提供者
１のサーバの、オーダセッションのステップＳ２９で示
されたＵＲＬにアクセスすると(ステップＳ６１)、サー
ビス提供者１のコンテンツ処理部５１では顧客３に対し
て取引番号の入力を要求する(ステップＳ７１)。顧客３
は、オーダセッションのステップＳ２９でサービス提供
者１から示された取引番号を入力する(ステップＳ６
２)。この取引番号が、オーダした音声合成データを受
け取るためのいわば合鍵となるので、取引番号が一致し
ない限り、音声合成のデータの受け取りは不可能であ
る。

【００５０】顧客３が入力した取引番号が、オーダ／支
払／デリバリＤＢ３４に格納されている取引番号と一致
すると、デリバリ処理部３３は、顧客３に対し、オーダ
／支払／デリバリＤＢ３４に格納されている顧客３のオ
ーダ内容を表示する。表示するオーダ内容としては、顧
客３の名前、オーダしたスピーカの名称、オーダした文
章等の情報がある。これとともに、デリバリ処理部３３
では、顧客３側のディスプレイ上に、オーダされた音声
合成データのファイルをダウンロードするためのボタン
等を表示し、顧客３からのダウンロード開始信号の入力
を要求する(ステップＳ７２)。そして顧客３が、ディス
プレイ上のボタンを操作すると、サービス提供者１側に
対して、オーダした音声合成データのファイルのダウン
ロードを開始する信号が入力される(ステップＳ６３)。

【００５１】すると、サービス提供者１側では、コンテ
ンツ処理部５１において、コンテンツＤＢ５２に所定の
ファイル形式で格納されている、顧客３のオーダに応じ
て生成した音声合成データのファイルを、顧客３に対し
て出力する(ステップＳ７３)。顧客３側では、出力され
た音声合成データのファイルをダウンロードする(ステ
ップＳ６４)。ダウンロードが完了した時点で、音声合
成データのダウンロードセッションが完了し、つまり顧
客３のオーダに対するサービス提供者１との間での取引
がすべて完了する。

【００５２】一方、上記オーダセッションとは別に、金
融機関４は、顧客３に対し、代金の支払を要求し、顧客
３はこれに応じて金融機関４に代金の支払を行う。また
サービス提供者１は、顧客３のオーダ内容に応じたロイ
ヤリティを、権利者２に対し別途支払う。

【００５３】しかる後は、顧客３は、自らのＰＣ端末に
おいて、ダウンロードした音声合成データのファイルを
保存し、これを再生用のソフトウェアによって再生して
も良い。また、図１に示したように、顧客３が、音声合
成データを記憶する記憶部と、当該記憶部で記憶した音
声合成データに基づく音声を出力可能な音声出力部とを
備えた機器(音声出力機器)１００、例えば玩具、目覚し
時計、携帯型電話端末、カーナビゲーション装置、いわ
ゆるメモリープレーヤのような音声データ再生機器等、
を別途購入、あるいは既に所有している場合、ダウンロ
ードした音声合成データを機器１００に転送し、この機
器１００において、音声合成データを再生するようにし
ても良い。このとき、各種の機器１００に音声合成デー
タを転送するには、例えばデータ伝送用の接続ケーブル
や無線、赤外線通信を用いても良いし、また可搬性のあ
るメモリ(音声合成データ記憶媒体)に音声合成データを
格納し、このメモリを介して機器１００に音声合成デー
タを転送してもよい。なお、図１は、上記したような音
声合成データのオーダ〜受け取りまでの流れを示すもの
であり、この図１中、〜は音声合成データの提供ま
でに着目した処理の順序を示している。

【００５４】上述したようにして、顧客３は、オーダし
た音声合成データにより、歌手、政治家等の有名人、テ
レビ番組や映画の登場人物等、希望したスピーカの音声
で、希望した文章を、自ら所有するＰＣや機器１００で
出力させることが可能となる。つまり、例えば目覚し時
計の目覚しアラーム、携帯型電話端末の呼び出し音(メ
ッセージ)や留守応答メッセージ、カーナビゲーション
装置におけるガイダンスメッセージ等、を自分の好みに
応じて変更することが可能となるのである。

【００５５】しかも、音声合成データは、顧客３のオー
ダに応じて生成され、取引番号によって顧客３に対して
受け渡されるので、唯一無二なものとなる。その際、顧
客３のオーダに応じた価格が設定され、音源の権利者２
に対してのロイヤリティの支払を確実に行うことができ
る。

【００５６】さらに、顧客３によって音声合成データを
入力できる機器１００に対し、上記システムにより、顧
客３が機器１００で再生させるメッセージ等を適宜変更
することが可能となる。つまり、顧客３が新たに音声合
成データをオーダしてこれを入手した後、機器１００に
入力されている音声合成データを、新たな音声合成デー
タに入れ換えるのである。このようにして、上記システ
ムにより、機器１００に対する顧客３の飽きを防ぎ、機
器１００の付加価値をさらに高めることが可能となる。

【００５７】なお、上記実施の形態において、例えばデ
リバリ処理部３３で、完成予定期日を顧客３に告知し、
顧客３は完成予定期日以降に音声合成データを受け取る
構成となっているが、顧客３からオーダを受けたセッシ
ョンの間(例えばオーダを受けて即時)に、音声合成デー
タを提供できるのであれば、そのような処理は不要であ
る。また、図４〜図６に示した処理の流れにおいて、所
定の入力や確認が行われないときには、処理が中止、あ
るいは前のステップに戻る処理が行われたりするのは言
うまでもない。

【００５８】〔他の実施の形態〕次に、図７を参照しつ
つ他の実施の形態について説明する。以下の説明におい
て、上記実施の形態と同様の構成については、同符号を
付してその説明を省略する。この図７に示す実施の形態
では、サービス提供者１が顧客３に対し、音声合成デー
タのみではなく、顧客３がオーダした音声合成データを
入力した機器を提供するのである。この図７は、上記し
たような音声合成データのオーダ〜受け取りまでの流れ
を示すものであり、図中、〜は音声合成データの提
供までに着目した処理の順序を示している。

【００５９】これには、サービス提供者１は、顧客３に
対し、スピーカのリストと機器のリストとを提供する。
ここで、顧客３がオーダする機器としては、玩具、目覚
し時計、ナビゲーション装置等、音声合成データを入力
する機器であればいかなるものであっても良い。顧客３
は、サービス提供者１に対し、音声合成データのオーダ
を上記実施の形態と同様に行うとともに、音声合成デー
タを入力する機器のオーダを行う。この機器のオーダ
は、上記実施の形態で示したオーダセッション(図４参
照)の中の適宜タイミングで行えば良い。そして、顧客
３に対しては、サービス提供者１から、オーダした音声
合成データと、選択した機器とに応じた価格が提示され
るので、顧客３がそのオーダ内容を確認し、その意思表
示をサービス提供者１に対して示した時点で、オーダが
完了する。

【００６０】そして、サービス提供者１は、顧客３のオ
ーダに応じ、上記実施の形態の如く音声合成データを生
成するとともに、生成された音声合成データを、顧客３
がオーダした機器に入力し、この機器を顧客３に納品す
る。またサービス提供者１は、顧客３が指定した金融機
関４に対し、顧客３がオーダした音声合成データと機器
の代金の支払を請求し、代金の決済を行う。また顧客３
は、金融機関４に対し、オーダ内容に応じた代金を支払
い、サービス提供者１が音声合成データの生成に応じた
ロイヤリティを権利者２に支払うことにより、すべての
取引が完了する。

【００６１】なお、上記各実施の形態において、サービ
ス提供者１と金融機関４との間、金融機関４と顧客３と
の間での決済タイミングについては、何ら問うものでは
なく、上記した記載に限定する意図はない。また、顧客
３によるサービス提供者１への代金支払は、必ずしも金
融機関４を介さなくても良く、例えば電子マネーやプリ
ペイドカード等によるものでも良い。

【００６２】また、上記実施の形態で示したように、顧
客３は、音声合成データのみを購入しても良いし、音声
合成データを組み込んだ機器１００を購入してもよい
が、さらに、顧客３が購入した音声合成データを機器メ
ーカに送り、当該機器メーカで前記音声合成データを顧
客３が希望する機器に組み込み、これを顧客３に販売す
る形態、顧客３のオーダにより生成した音声合成データ
を、サービス提供者１が機器メーカに送り、当該機器メ
ーカで前記音声合成データを機器に組み込み、これを顧
客３に受け渡す形態も可能である。

【００６３】また、音声合成データは、音声のみによる
メッセージに限らず、歌(伴奏有り／なし)や朗読等であ
っても良い。さらに、顧客３は、文章内容を自由にオー
ダすることも可能であるが、例えばサービス提供者１側
が提示した文章の中から顧客３が選択する構成としても
良い。このような構成においては、文章として例えば詩
や小説等をサービス提供者１が提示し、顧客３がスピー
カを選択することにより、いわば顧客３が、好きなスピ
ーカによる朗読の音声合成データを得ることのできるシ
ステム構成とすることも可能である。

【００６４】またサービス提供者１から顧客３に対して
提供する音声合成データは、上記実施の形態で示したよ
うに、オンラインでの伝送(ダウンロード)、機器に入力
した状態での受け渡しに限らず、例えばフレキシブルデ
ィスク等、種々の形態の記憶媒体(音声合成データ記憶
媒体)に格納して受け渡すことも可能である。

【００６５】加えて、上記のようなプログラムをコンピ
ュータに実行させるため、前記プログラムを記憶した、
ＣＤ−ＲＯＭ、ＤＶＤ、メモリ、ハードディスク等の記
憶媒体の形態をなしていても良い。また上記のようなプ
ログラムを記憶するＣＤ−ＲＯＭ、ＤＶＤ、メモリ、ハ
ードディスク等の記憶手段と、この記憶手段から当該プ
ログラムを読み出し、当該プログラムを実行する装置側
に直接あるいは間接的に当該プログラムを送信する送信
手段とを備える伝送装置の形態を成していても良い。

【００６６】

【発明の効果】以上説明したように、本発明によれば、
顧客は、希望したスピーカの音声で、希望した文章内容
の音声合成データを得ることができ、また音源の権利者
に対してのロイヤリティの支払を確実に行うことができ
る。

【図面の簡単な説明】

【図１】 本実施の形態におけるシステム構成を示す図
である。

【図２】 サービス提供者のサーバ構成を示すための図
である。

【図３】 サービス提供者における音声合成データ生成
方法を示すための図である。

【図４】 音声合成データを顧客がオーダするときの処
理の流れを示す図である。

【図５】 音声合成データを生成するときの処理の流れ
を示す図である。

【図６】 オーダした音声合成データを顧客に受け渡す
ときの処理の流れを示す図である。

【図７】 他の実施の形態におけるシステム構成を示す
図である。

【符号の説明】 １…サービス提供者、２…権利者、３…顧客(外部、顧
客側)、４…金融機関(顧客側)、５…ネットワーク、２
１…顧客情報処理部、２２…顧客情報ＤＢ、３１…オー
ダ処理部(要求受付部)、３２…支払処理部(価格設定
部)、３３…デリバリ処理部、３４…オーダ／支払／デ
リバリＤＢ、４１…ロイヤリティ処理部、４２…ロイヤ
リティ契約ＤＢ、５１…コンテンツ処理部(音声合成デ
ータ生成部)、５２…コンテンツＤＢ、６１…音声合成
処理部(音声合成データ生成部)、６２…音声特徴ＤＢ
(音声特徴データ格納部)、８０…ロイヤリティ支払シス
テム、９０…クレジットカードシステム、１００…機器
(音声出力機器)、Ｄ１…声質データ、Ｄ２…韻律データ

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ１０Ｋ 15/02 Ｇ１０Ｌ 3/00 Ｑ Ｇ１０Ｌ 11/00 Ｅ 19/00 9/00 Ｅ Ｎ Ｆターム(参考） 5B049 CC36 FF06 FF09 GG08 5D045 AA07 AB01 AB26

Claims (17)

【特許請求の範囲】
1. 【請求項１】 顧客とサービス提供者との間でネットワ
   ークを介してなされる音声合成システムであって、 前記顧客に対し選択可能に提示された話者の中から特定
   の話者を選択するとともに、音声合成すべき文章を指定
   する前記顧客の端末と、 前記顧客が前記端末で指定した前記音声合成すべき文章
   を、前記特定の話者の音声特徴データを用いて音声合成
   する前記サービス提供者のサーバと、を含むことを特徴
   とする音声合成システム。
2. 【請求項２】 前記サービス提供者の前記サーバは、音
   声合成することにより生成した音声合成データを、前記
   ネットワークを介して前記顧客の前記端末に受け渡すこ
   とを特徴とする請求項１記載の音声合成システム。
3. 【請求項３】 前記サービス提供者の前記サーバは、前
   記顧客に対し取引番号を付与し、 前記顧客の前記端末から前記取引番号が提示されたとき
   に、生成した前記音声合成データを前記顧客の前記端末
   に受け渡すことを特徴とする請求項２記載の音声合成シ
   ステム。
4. 【請求項４】 複数の話者の音声特徴データを保有した
   サービス提供者と顧客との間におけるネットワークを介
   しての音声合成方法であって、 前記サービス提供者は、複数の前記話者のリストを、前
   記ネットワークを介して外部に提示し、 前記顧客は、提示された前記リストから選択した話者
   と、音声合成すべき文章とを、前記ネットワークを介し
   て前記サービス提供者に伝え、 前記サービス提供者は、前記顧客の選択した前記話者の
   音声特徴データに基づき、前記音声合成すべき文章を音
   声合成することを特徴とする音声合成方法。
5. 【請求項５】 前記サービス提供者は、前記顧客に対し
   て、音声合成して生成する音声合成データについて課金
   し、 前記サービス提供者は、前記顧客側から前記課金した代
   金を受け取った後に前記音声合成データを前記顧客に受
   け渡すことを特徴とする請求項４記載の音声合成方法。
6. 【請求項６】 前記サービス提供者は、当該サービス提
   供者が保有する音声特徴データの権利を有する者に対
   し、音声合成データの生成に応じた代金を支払うことを
   特徴とする請求項４記載の音声合成方法。
7. 【請求項７】 前記サービス提供者は、音声合成して生
   成した音声合成データを前記顧客に受け渡し、 当該顧客は、受け渡された前記音声合成データを、当該
   音声合成データに基づいた音声が再生可能な機器に入力
   することを特徴とする請求項４記載の音声合成方法。
8. 【請求項８】 前記サービス提供者は、前記顧客に対
   し、音声合成データを入力すべき機器のリストを、前記
   話者のリストとともに提示し、 前記顧客は、前記機器のリストから選択した機器を前記
   ネットワークを介して前記サービス提供者に伝え、 前記サービス提供者は、前記顧客の選択した前記話者の
   音声特徴データに基づく音声合成データを生成するとと
   もに、生成した当該音声合成データを前記顧客が選択し
   た前記機器に入力することを特徴とする請求項４記載の
   音声合成方法。
9. 【請求項９】 ネットワーク上に接続された顧客の要求
   に応じて音声合成するサーバであって、 話者の音声を分析して得られた音声特徴データを格納す
   る音声特徴データ格納部と、 前記ネットワークを介して、音声合成すべき文章と話者
   の指定を含む顧客からの要求を受け付ける要求受付部
   と、 前記要求受付部を介して入力された顧客からの要求に応
   じ、前記音声特徴データ格納部に格納されかつ前記話者
   に対応した音声特徴データに基づいて、前記文章を音声
   合成する音声合成データ生成部と、を備えることを特徴
   とするサーバ。
10. 【請求項１０】 前記音声特徴データ格納部は、音声特
    徴データとして、話者毎の声質データと韻律データとを
    格納することを特徴とする請求項９記載のサーバ。
11. 【請求項１１】 前記顧客によってなされた要求に基づ
    き、生成する前記音声合成データの価格を設定する価格
    設定部とをさらに備えることを特徴とする請求項９記載
    のサーバ。
12. 【請求項１２】 コンピュータに実行させるプログラム
    を当該コンピュータの入力手段が読み取り可能に記憶し
    た記憶媒体において、 前記プログラムは、外部から音声合成データを生成する
    ための要求を受け付ける処理と、 受け付けた前記要求に対し、取引番号を生成して出力す
    る処理と、 前記取引番号が入力されたときに、受け付けた前記要求
    に応じた音声合成データを出力する処理と、を前記コン
    ピュータに実行させることを特徴とする記憶媒体。
13. 【請求項１３】 前記プログラムは、生成した前記音声
    合成データに、当該音声合成データの内容を証明する認
    証データを添付する処理と、をさらに前記コンピュータ
    に実行させることを特徴とする請求項１２記載の記憶媒
    体。
14. 【請求項１４】 コンピュータに実行させるプログラム
    を、当該コンピュータの入力手段が読み取り可能に記憶
    した記憶媒体において、 前記プログラムは、音声合成すべき文章の指定と話者の
    指定を含む外部からの要求を受け付ける処理と、 受け付けた要求に応じ、前記話者に対応した音声特徴デ
    ータに基づいて前記文章を音声合成する処理と、を前記
    コンピュータに実行させることを特徴とする記憶媒体。
15. 【請求項１５】 コンピュータに、当該コンピュータに
    格納している複数の音声特徴データのリストを顧客に対
    して出力する処理と、前記顧客が入力した文章を当該顧
    客が前記リストから選択した音声特徴データに基づいて
    音声合成した音声合成データを、前記顧客に出力する処
    理をコンピュータに実行させるプログラムが記憶された
    記憶手段と、 前記記憶手段から前記プログラムを読み出して当該プロ
    グラムを送信する送信手段とを備えたことを特徴とする
    プログラム伝送装置。
16. 【請求項１６】 ネットワークを介してサービス提供者
    に接続された顧客が、話者と文章とを前記サービス提供
    者に指定し、当該サービス提供者が前記顧客の指定に応
    じて生成した音声合成データを格納したことを特徴とす
    る音声合成データ記憶媒体。
17. 【請求項１７】 複数の話者の音声データを保有するサ
    ービス提供者に対しネットワークを介して指定された話
    者および文章に基づき、前記サービス提供者が生成した
    音声合成データを記憶する記憶部と、 当該記憶部で記憶した前記音声合成データに基づく音声
    を出力する音声出力部と、を備えることを特徴とする音
    声出力機器。